CN109224815A - 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 - Google Patents

一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 Download PDF

Info

Publication number
CN109224815A
CN109224815A CN201811213813.3A CN201811213813A CN109224815A CN 109224815 A CN109224815 A CN 109224815A CN 201811213813 A CN201811213813 A CN 201811213813A CN 109224815 A CN109224815 A CN 109224815A
Authority
CN
China
Prior art keywords
control
ammonium hydroxide
desulfurization
hydroxide flow
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811213813.3A
Other languages
English (en)
Inventor
赵东晓
宋祎
丛经纬
沙志强
宋俊
金晓
刘洪兵
孙玉芬
陈勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Yangzi Petrochemical Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Yangzi Petrochemical Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Yangzi Petrochemical Co Ltd filed Critical China Petroleum and Chemical Corp
Priority to CN201811213813.3A priority Critical patent/CN109224815A/zh
Publication of CN109224815A publication Critical patent/CN109224815A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/77—Liquid phase processes
    • B01D53/78—Liquid phase processes with gas-liquid contact
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/346—Controlling the process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/46—Removing components of defined structure
    • B01D53/48—Sulfur compounds
    • B01D53/50—Sulfur oxides
    • B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2252/00—Absorbents, i.e. solvents and liquid materials for gas absorption
    • B01D2252/10—Inorganic absorbents
    • B01D2252/102—Ammonia

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明公开了一种基于多变量约束区间预测控制的氨法脱硫优化控制方法，本发明通过采用多变量约束区间预测控制方法，能够更好地协调脱硫塔吸收段与氧化段的进氨水流量，在保证脱硫效率的前提下，改善***控制品质，降低***运行成本，促进***经济环保地运行。

Description

一种基于多变量约束区间预测控制的氨法脱硫优化控制方法
技术领域
本发明涉及热工自动控制领域，特别是涉及一种基于多变量约束区间预测控制的氨法脱硫优化控制方法。
背景技术
控制SO2等污染气体的排放是我国当前促进火力发电行业的技术进步和可持续发展、解决环境污染问题的重大任务。2012年1月1日起实施的《火电厂大气污染物排放标准》规定：自2014年7月1日起，现有燃煤锅炉SO2排放的最高限值为200mg/m3。因此，减少火力发电行业SO2的排放不仅对减少环境污染具有重要现实意义，同时也是国家对于建立资源节约型和环境友好型企业的迫切需求。
氨法脱硫工艺是采用氨作为吸收剂除去烟气中的SO2和部分NOx的工艺。相对于钙法脱硫工艺来说，反应速度快、反应完全、吸收剂利用率高，可以达到很高的脱硫效率，而且***简单、设备体积小、能耗低。
近年来国内围绕氨法烟气脱硫这一新的环保技术已经开展了大量实验和应用研究工作，然而其中绝大多数工作都集中在对脱硫工艺的改进方面，但是脱硫装置能否充分发挥其效能，达到设计的各项技术指标，还与其运行和操作的水平直接相关。尽管目前氨法脱硫装置基本都安装了分布式计算机控制***(DCS)，但是主要用于实现设备启停和联锁保护功能，很少能投入闭环控制。造成这些情况的原因在于整个脱硫流程非常复杂，涉及到反应、吸收、传质、传热、干燥、分离及结晶等过程，循环溶液pH等被控对象具有很强的非线性和大迟延特性，操作变量之间相互关联、耦合严重，烟气流量、烟气SO2浓度、氨水浓度等干扰众多。因此以PID控制器为核心的常规控制方案很难取得满意的控制效果。此外，重要过程参数，如SO2浓度、溶液PH等不能准确测量且故障率高，也是一个重要原因。
例如中国专利，申请号为：201610006777.8,公开了一种水泥窑烟气氨法脱硫***及方法。本发明的水泥窑烟气氨法脱硫***及方法，进行脱硫工艺能够实现80％以上的脱硫效率，选择合适的氨硫比不会造成额外的氨逃逸污染，而且无其他污染。运行成本主要为氨水的费用，降低了传统脱硫工艺的一次投资成本及运行成本。但是本申请中氨水的喷射量为定值，并没有根据水泥窑中SO2浓度对氨水的喷射量进行实施控制，导致氨水浪费。
例如中国专利，申请号为：201210203236.6，公开了一种基于多参数的氨法烟气脱硫效预测方法，选用四种不同的人工智能计算模型.将氨法脱硫***运行过程中所采集的多组烟气量、循环泵流量、浓缩泵流量、氨浓度、吸收液浓度、液气比、进口烟气温度、耗氨量、喷淋浆液密度、喷淋塔浆液pH值和预洗涤塔浆液pH值等参数作为四个模型的输入变量。对各模型分别进行训练，建立四个脱硫参数与脱硫效率间的非线性函数关系。再将实时监侧到的参数分别传输至己训练好的人工智能模型中，对脱硫效率做出预测。虽然本申请中采用了计算模型，将氨法脱硫***运行过程中所采集的多组烟气量、循环泵流量、浓缩泵流量、氨浓度、吸收液浓度、液气比、进口烟气温度、耗氨量、喷淋浆液密度、喷淋塔浆液pH值和预洗涤塔浆液pH值等参数作为四个模型的输入变量，进行了实施控制，但并没有进行闭环控制，因此预测控制精度低。
发明内容
本发明的目的在于提供一种提高***经济性的基于多变量约束区间预测控制策略的氨法脱硫优化控制方法，解决现有技术中尽管目前氨法脱硫装置基本都安装了分布式计算机控制***(DCS)，但是主要用于实现设备启停和联锁保护功能，很少能投入闭环控制的技术问题。
为实现上述发明目的，本发明采用以下技术方案：
以脱硫后SO2浓度和循环浆液pH为被控量，吸收段、氧化段的进氨水流量为控制量，设计基于多变量约束区间预测控制的优化控制器，利用预测模型***未来时刻被控量的变化，从而计算求解当前时刻的最优控制量。通过设置输出软约束，引入松弛变量，实现脱硫后SO2浓度的定值控制和循环浆液pH的区间控制，改善***控制品质，提高***经济性，所述多变量预测控制方法具体步骤如下：
1)获取氨法脱硫对象的辨识模型，在稳态工况下，分别以脱硫塔吸收段和氧化段的进氨水流量为输入，对出口SO2浓度和循环浆液pH进行开环阶跃响应试验，经滤波平滑后，分别得到吸收段、氧化段进氨水流量对出口SO2浓度、循环浆液pH的阶跃响应模型系数为a11(1),…,a11(N)、a12(1),…,a12(N)、a21(1),…,a21(N)和a22(1),…,a22(N)，其中，N为建模时域，对不同输入、输出间的阶跃响应采用统一的建模时域；
2)设置多变量预测控制器的相关参数，包括采样时间Ts、预测步数P、控制步数M，输出误差权矩阵Q，控制权矩阵R；Ts可以利用经验规则T95/Ts＝5～15来选取，其中，T95为过渡过程上升到95％的调节时间；P一般选为等于对象阶跃响应的上升时间；M一般选1或2；Q＝I,R＝I，I为单位矩阵；
3)控制器参数确定后，采用公式(1)所述的预测模型对脱硫***未来输出进行预测：
其中， m为输入变量个数，p为输出变量个数；表示在k时刻对未来P时刻的被控量i的预测值，表示在k时刻对未来P时刻的被控量i的预测初值；Δuj,M(k)表示在k时刻对未来M个采样时刻控制量j的增量的估计值；即由单位阶跃响应系数组成的动态矩阵；为表达方便，用yt来表示即表示利用预测模型对未来P个采样时刻的所有被控量的预测值；
4)控制器状态初始化，即在k时刻，检测当前时刻脱硫后SO2浓度和循环浆液pH的测量值y(k)，并令y0＝yt＝y(k),t＝1,…,P，其中，y0为利用预测模型对当前时刻被控量的预测值；
5)计算输出预测偏差e＝y(k)-y0；
6)进行反馈校正，yt+hte→yt,t＝1,…,P，其中，ht为校正系数，取为1；
7)计算吸收段进氨水流量增量Δu1(k)和氧化段进氨水流量增量Δu2(k)，取性能指标函数为式：
其中，εi为第i个输出超出上下限约束的大小，uj(k)为第j个控制量，yi(k)为第i个被控量，Δuj(k)为第j个控制量的变化量，uj,min为第j个控制量的变化下限，uj,max为第j个控制量的变化上限，Δuj,min为第j个控制量的变化率下限，Δuj,max为第j个控制量的变化率上限，yi,min为第i个被控量的输出区间下限，yi,max为第i个被控量的输出区间上限，表示被控量允许超过上下限的范围；表示第i个被控量允许超过上下限的范围；
8)计算吸收段进氨水流量u1(k)＝u1(k-1)+Δu1(k)，以及氧化段进氨水流量u2(k)＝u2(k-1)+Δu2(k)；
9)输出u1(k)和u2(k)，计算并更新控制后的输出预测初值：而后在每个采样周期内，重复执行第5)步到第9)步。
进一步改进，所述步骤2)中，Ts可以利用经验规则T95/Ts＝5～15来选取，其中，T95为过渡过程上升到95％的调节时间；P一般选为等于对象阶跃响应的上升时间；M一般选1或2；Q＝I，R＝I，I代表单位矩阵。
进一步改进，取采样时间Ts＝250秒，预测步数P＝30，控制步数M＝1，输出误差权矩阵Q＝I60，控制权矩阵R＝2×I2。
进一步改进，所述吸收段、氧化段进氨水流量的约束范围均为[0，8]m3/h,变化速率均为[-0.5，0.5]m3/h；取脱硫后SO2浓度的初始设定值为35mg/Nm3，循环浆液pH的控制区间为[y2,min,y2,max]＝[5，6]。
进一步改进，所述步骤1)中，获取控制对象的阶跃响应模型：氨法脱硫***的动态特性由表示；其中，y1(s)为脱硫后SO2浓度，y2(s)为循环浆液pH，u1(s)为吸收段进氨水流量，u2(s)为氧化段进氨水流量；G11(s)为吸收段进氨水流量对出口SO2浓度的传递函数G12(s)为氧化段进氨水流量对出口SO2浓度的传递函数 G21(s)为吸收段进氨水流量对循环浆液pH的传递函数G22(s)为氧化段进氨水流量对循环浆液pH的传递函数((m3·h-1)-1)，
阶跃响应模型系数可以通过进行现场阶跃响应试验直接获得，是一种常用的工程上获取被控对象动态模型的方法。本申请为了能够进行闭环仿真，说明算法的有效性，采用传递函数模拟实际的被控对象，针对传递函数进行阶跃响应试验获得阶跃响应系数。
本发明把氨法脱硫***整体作为一个两入两出的多变量对象，采用多变量约束区间预测控制技术，同时控制吸收段和氧化段的进氨水流量，较好地实现了进氨水流量在不同反应阶段的调度与分配，能够良好地应对氨法脱硫过程的大迟延特性，实现脱硫后SO2浓度的定值控制；此外，通过引入松弛变量，将输出区间要求进行软约束处理，实现了pH的区间控制，减少了协调控制的要求，提高了***的经济性。
与现有技术相比，本发明具有以下优点：
通过多变量约束区间预测控制方法控制吸收段、氧化段的进氨水流量，通过预测被控量的未来变化趋势提前调整喷氨量，能够较好地克服***大迟延的特性；设计过程考虑了控制量的实际约束；通过对循环浆液pH采取区间控制而非定值控制，减少了pH处于控制区间范围内时控制量的动作频率，有效延长执行机构寿命，减少喷氨量，提高***经济性。在实现脱硫后SO2浓度定值控制以及循环浆液pH区间控制的同时，优化喷氨量，在保证脱硫效率的前提下有效降低运行成本。
附图说明
图1为本发明氨法脱硫优化控制***示意图；
图2为本发明的氨法脱硫优化控制方法在脱硫后SO2浓度设定值发生阶跃变化时输出变量的控制效果图；
其中，(a)为SO2浓度控制曲线；(b)为浆液pH控制曲线。
图3为本发明的氨法脱硫优化控制方法在脱硫后SO2浓度设定值发生阶跃变化时输入变量的控制效果图；
其中，(a)为吸收段进氨量变化曲线；(b)为氧化段进氨量变化曲线。
图4为本发明的氨法脱硫优化控制方法在循环浆液pH侧存在输出扰动时输出变量的控制效果图；
其中，(a)为SO2浓度控制曲线；(b)为浆液pH控制曲线。
图5为本发明的氨法脱硫优化控制方法在循环浆液pH侧存在输出扰动时输入变量的控制效果图；
其中，(a)为吸收段进氨量变化曲线；(b)为氧化段进氨量变化曲线。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
1)获取控制对象的阶跃响应模型。
设氨法脱硫***的动态特性可以由表示。其中，y1(s)为脱硫后SO2浓度，y2(s)为循环浆液pH，u1(s)为吸收段进氨水流量，u2(s)为氧化段进氨水流量；G11(s)为吸收段进氨水流量对出口SO2浓度的传递函数G12(s)为氧化段进氨水流量对出口SO2浓度的传递函数G21(s)为吸收段进氨水流量对循环浆液pH的传递函数((m3·h-1)-1)，G22(s)为氧化段进氨水流量对循环浆液pH的传递函数((m3·h-1)-1)，阶跃响应模型系数可以通过进行现场阶跃响应试验直接获得，是一种常用的工程上获取被控对象动态模型的方法。本申请为了能够进行闭环仿真，说明算法的有效性，采用传递函数模拟实际的被控对象，针对传递函数进行阶跃响应试验获得阶跃响应系数。
通过现场阶跃响应试验，可获得上述阶跃响应模型对应的模型向量分别为：
[a11(1),…,a11(30)]＝[0，-1.8241，-4.7511，…，-11.5998，-11.5999，-11.6000]；
[a12(1),…,a12(30)]＝[0，-0.3270，-0.8909，…，-2.4998，-2.4999，-2.5000]；
[a21(1),…,a21(30)]＝[0，0.0048，0.0152，…，0.0998，0.0998，0.1000]；
[a22(1),…,a22(30)]＝[0，0.0189，0.0576，…，0.2998，0.2998，0.3000]。
2)设置控制器相关参数，令采样时间Ts＝250秒，预测步数P＝30，控制步数M＝1，输出误差权矩阵Q＝I60，控制权矩阵R＝2×I2，则可得：
3)根据实际情况确定吸收段、氧化段进氨水流量的约束范围均为[0,8]m3/h,变化速率均为[-0.5,0.5]m3/h；取脱硫后SO2浓度的初始设定值为35mg/Nm3，循环浆液pH的控制区间为[y2,min,y2,max]＝[5,6]。
4)控制器状态初始化，即在k时刻，检测当前时刻脱硫后SO2浓度和循环浆液pH的测量值y(k)，并把二者当前及未来30步的预测初值yt,t＝1,…,30设置为当前时刻的测量值y(k)；而后，在每个采样周期内，重复执行第4)步到第9)步；
5)计算输出预测偏差e＝y(k)-y0；
6)反馈校正，yt+hte→yt,t＝1,…,30，其中，取校正系数ht＝1，t＝1,…,30；
7)计算吸收段进氨水流量增量Δu1(k)和氧化段进氨水流量增量Δu2(k)，取性能指标函数J(k)：
Δuj,min≤Δuj(k)≤Δuj,max，yi,min-εi≤yi(k)≤yi,max+εi，εi≥0；将性能指标转化为标准二次规划函数，可得：其中，c＝[0,…,0]，f0为与ΔU(k)无关的常数项，可舍去。在上述约束条件下，求解二次规划函数最优解，得到控制量增量ΔUj,M(k)；
8)计算吸收段进氨水流量u1(k)＝u1(k-1)+Δu1(k)，以及氧化段进氨水流量u2(k)＝u2(k-1)+Δu2(k)；
9)输出u1(k)和u2(k)，计算并更新控制后的输出预测向量：而后在每个采样周期内，重复执行第5)步到第9)步。
实施例1所得的基于多变量约束区间预测控制的氨法脱硫优化控制方法在脱硫后SO2浓度发生设定值扰动时的控制效果如图2、图3所示。由图可以看出，本发明的氨法脱硫优化控制方法在***发生设定值扰动时，能够迅速合理地调节吸收段和氧化段的进氨水流量，既保证循环浆液pH处于控制区间内，同时维持脱硫后SO2浓度快速稳定地跟随设定值的变化，减少了氨耗量，降低了氨逃逸率。
实施例1所得的基于多变量约束区间预测控制的氨法脱硫优化控制方法在循环浆液pH侧出现输出扰动时的控制效果如图4、图5所示。由图可以看出，当循环浆液pH侧的输出扰动在允许的控制区间范围内时，本发明的氨法脱硫优化控制方法保持***的控制量不发生变化，而当扰动作用使得pH超出控制区间范围时，控制量才予以反应，保证脱硫后SO2浓度维持设定值以及循环浆液pH在控制要求区间内，这样可以减少执行机构的动作频率，延长其使用寿命，最终使得脱硫***进一步经济环保地运行。

Claims (5)

1.一种基于多变量约束区间预测控制的氨法脱硫优化控制方法，其特征在于：采用多变量约束区间预测控制方法对氨法脱硫***进行控制，包括控制脱硫塔吸收段和氧化段的进氨水流量，并设置输出软约束，引入松弛变量，最终实现脱硫后SO2的定值控制和循环浆液pH的区间控制，改善***的控制品质，所述多变量约束区间预测控制方法具体步骤如下：
1)获取氨法脱硫对象的阶跃响应模型，在稳态工况下，分别以脱硫塔吸收段和氧化段的进氨水流量为输入，对出口SO2浓度和循环浆液pH值进行开环阶跃响应试验，经滤波平滑后，分别得到吸收段、氧化段进氨水流量对出口SO2浓度、循环浆液pH的阶跃响应模型系数为a11(1),…,a11(N)、a12(1),…,a12(N)、a21(1),…,a21(N)和a22(1),…,a22(N)，其中，N为建模时域，对不同输入输出间的阶跃响应采用统一的建模时域；
2)设置多变量预测控制器的相关参数，包括采样时间Ts、预测步数P、控制步数M，输出误差权矩阵Q，控制权矩阵R；
3)控制器参数确定后，采用公式(1)所述的预测模型对脱硫***未来输出进行预测：
其中， m、p分别为输入输出变量个数；表示在k时刻对未来P时刻的被控量i的预测值，表示在k时刻对未来P时刻的被控量i的预测初值；Δuj,M(k)表示在k时刻对未来M个采样时刻控制量j的增量的估计值； 即由单位阶跃响应系数组成的动态矩阵；为表达方便，用yt来表示即表示利用预测模型对未来P个采样时刻的所有被控量的预测值；
4)控制器状态初始化，即在k时刻，检测当前时刻脱硫后SO2浓度和循环浆液pH的测量值y(k)，并令y0＝yt＝y(k),t＝1,…,P，其中，y0为利用预测模型对当前时刻被控量的预测值；
5)计算输出预测偏差e＝y(k)-y0；
6)进行反馈校正，yt+hte→yt,t＝1,…,P，其中，ht为校正系数，取为1；
7)计算吸收段进氨水流量增量Δu1(k)和氧化段进氨水流量增量Δu2(k)，取性能指标函数为式：
其中，εi为第i个输出超出上下限约束的大小，uj(k)为第j个控制量，yi(k)为第i个被控量，Δuj(k)为第j个控制量的变化量，uj,min为第j个控制量的变化下限，uj,max为第j个控制量的变化上限，Δuj,min为第j个控制量的变化率下限，Δuj,max为第j个控制量的变化率上限，yi,min为第i个被控量的输出区间下限，yi,max为第i个被控量的输出区间上限，表示被控量允许超过上下限的范围，其中表示第i个被控量允许超过上下限的范围；
8)计算吸收段进氨水流量u1(k)＝u1(k-1)+Δu1(k)，以及氧化段进氨水流量u2(k)＝u2(k-1)+Δu2(k)；
9)输出u1(k)和u2(k)，计算并更新控制后的输出预测初值而后在每个采样周期内，重复执行第5)步到第9)步。
2.根据权利要求1所述的基于多变量约束区间预测控制的氨法脱硫优化控制方法，其特征在于：所述步骤2)中，Ts可以利用经验规则T95/Ts＝5～15来选取，其中，T95为过渡过程上升到95％的调节时间；P一般选为等于对象阶跃响应的上升时间；M一般选1或2；Q＝I，R＝I，I代表单位矩阵。
3.根据权利要求2所述的基于多变量约束区间预测控制的氨法脱硫优化控制方法，其特征在于：取采样时间Ts＝250秒，预测步数P＝30，控制步数M＝1，输出误差权矩阵Q＝I60，控制权矩阵R＝2×I2。
4.根据权利要求3所述的基于多变量约束区间预测控制的氨法脱硫优化控制方法，其特征在于：所述吸收段、氧化段进氨水流量的约束范围均为[0，8]m3/h,变化速率均为[-0.5，0.5]m3/h；取脱硫后SO2浓度的初始设定值为35mg/Nm3，循环浆液pH的控制区间为[y2,min,y2,max]＝[5，6]。
5.根据权利要求1所述的基于多变量约束区间预测控制的氨法脱硫优化控制方法，其特征在于：所述步骤1)中，获取控制对象的阶跃响应模型：氨法脱硫***的动态特性由表示；其中，y1(s)为脱硫后SO2浓度，y2(s)为循环浆液pH，u1(s)为吸收段进氨水流量，u2(s)为氧化段进氨水流量；G11(s)为吸收段进氨水流量对出口SO2浓度的传递函数G12(s)为氧化段进氨水流量对出口SO2浓度的传递函数G21(s)为吸收段进氨水流量对循环浆液pH的传递函数((m3·h-1)-1)，G22(s)为氧化段进氨水流量对循环浆液pH的传递函数((m3·h-1)-1)，
CN201811213813.3A 2018-10-18 2018-10-18 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 Pending CN109224815A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811213813.3A CN109224815A (zh) 2018-10-18 2018-10-18 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811213813.3A CN109224815A (zh) 2018-10-18 2018-10-18 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法

Publications (1)

Publication Number Publication Date
CN109224815A true CN109224815A (zh) 2019-01-18

Family

ID=65052267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811213813.3A Pending CN109224815A (zh) 2018-10-18 2018-10-18 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法

Country Status (1)

Country Link
CN (1) CN109224815A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110471291A (zh) * 2019-09-05 2019-11-19 东南大学 一种氨法脱硫***的扰动抑制预测控制方法
CN111174824A (zh) * 2019-12-27 2020-05-19 北京首钢自动化信息技术有限公司 一种酸雾排放的管控平台
CN112742187A (zh) * 2020-12-10 2021-05-04 山西漳山发电有限责任公司 一种脱硫***中pH值的控制方法及装置
CN113144844A (zh) * 2021-03-22 2021-07-23 国家能源集团国源电力有限公司 一种脱硫剂流量控制方法、装置及煤燃烧***
CN113379166A (zh) * 2021-07-27 2021-09-10 成都佳华物链云科技有限公司 一种工艺参数的预测方法、装置、电子设备及存储介质
CN113593653A (zh) * 2021-07-05 2021-11-02 国能龙源环保有限公司 一种湿法脱硫装置整体经济效益最优控制方法
CN114217523A (zh) * 2021-12-15 2022-03-22 昆岳互联环境技术(江苏)有限公司 一种sds干法脱硫剂精准加料控制方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4349869A (en) * 1979-10-01 1982-09-14 Shell Oil Company Dynamic matrix control method
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制***及方法
CN107168055A (zh) * 2017-05-15 2017-09-15 东南大学 一种基于多变量预测控制的氨法脱硫优化控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4349869A (en) * 1979-10-01 1982-09-14 Shell Oil Company Dynamic matrix control method
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制***及方法
CN107168055A (zh) * 2017-05-15 2017-09-15 东南大学 一种基于多变量预测控制的氨法脱硫优化控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
关守平等: "基于动态矩阵方法的网络控制***补偿策略", 《东北大学学报（自然科学版）》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110471291A (zh) * 2019-09-05 2019-11-19 东南大学 一种氨法脱硫***的扰动抑制预测控制方法
CN110471291B (zh) * 2019-09-05 2022-05-10 东南大学 一种氨法脱硫***的扰动抑制预测控制方法
CN111174824A (zh) * 2019-12-27 2020-05-19 北京首钢自动化信息技术有限公司 一种酸雾排放的管控平台
CN112742187A (zh) * 2020-12-10 2021-05-04 山西漳山发电有限责任公司 一种脱硫***中pH值的控制方法及装置
CN113144844A (zh) * 2021-03-22 2021-07-23 国家能源集团国源电力有限公司 一种脱硫剂流量控制方法、装置及煤燃烧***
CN113593653A (zh) * 2021-07-05 2021-11-02 国能龙源环保有限公司 一种湿法脱硫装置整体经济效益最优控制方法
CN113593653B (zh) * 2021-07-05 2023-10-20 国能龙源环保有限公司 一种湿法脱硫装置整体经济效益最优控制方法
CN113379166A (zh) * 2021-07-27 2021-09-10 成都佳华物链云科技有限公司 一种工艺参数的预测方法、装置、电子设备及存储介质
CN113379166B (zh) * 2021-07-27 2023-05-26 成都佳华物链云科技有限公司 一种工艺参数的预测方法、装置、电子设备及存储介质
CN114217523A (zh) * 2021-12-15 2022-03-22 昆岳互联环境技术(江苏)有限公司 一种sds干法脱硫剂精准加料控制方法和装置
CN114217523B (zh) * 2021-12-15 2023-09-01 江苏昆仑互联科技有限公司 一种sds干法脱硫剂精准加料控制方法和装置

Similar Documents

Publication Publication Date Title
CN109224815A (zh) 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法
US20210319373A1 (en) Intelligent multi-pollutant ultra-low emission system and global optimization method thereof
CN105498497A (zh) 多变量控制的烟气脱硫脱硝一体化设备及其控制方法
Salvinder et al. An overview on control strategies for CO2 capture using absorption/stripping system
CN111611691B (zh) 基于多模态模型预测控制脱硫***多目标优化控制方法
CN103771553B (zh) 湿法烟气脱硫废水蒸发处理的自适应模糊控制方法
CN108636094A (zh) 一种湿法脱硫工艺中的精确预测控制与节能***及方法
CN112967760B (zh) 基于脱硫***入口二氧化硫含量的石灰石浆液量预估方法
CN107168055A (zh) 一种基于多变量预测控制的氨法脱硫优化控制方法
CN111340199A (zh) 一种基于物料衡算和深度学习的脱硫***节能方法
CN105116855A (zh) 一种烟气循环流化床脱硫的优化控制方法
CN104296131A (zh) 一种双炉膛循环流化床机组的多变量协同控制方法
CN112742187A (zh) 一种脱硫***中pH值的控制方法及装置
CN111013370A (zh) 一种基于深度神经网络的湿法脱硫浆液供给量预测方法
Yang et al. Dynamic optimization oriented modeling and nonlinear model predictive control of the wet limestone FGD system
CN113593653B (zh) 一种湿法脱硫装置整体经济效益最优控制方法
Liu et al. Model‐Free Adaptive Control of pH Value of Wet Desulfurization Slurry under Switching of Multiple Working Conditions
CN107561944A (zh) 一种基于拉盖尔模型的脱硝***自适应预测控制方法
CN205323522U (zh) 多变量控制的烟气脱硫脱硝一体化设备
CN102269973A (zh) 面向烧结烟气脱硫过程的塔顶温度模糊预测补偿控制方法
CN207046891U (zh) 一种蒸氨过程预测控制***
Kong et al. Prediction and optimization of a desulphurization system using CMAC neural network and genetic algorithm
Chan et al. Economic model predictive control of an absorber-stripper CO2 capture process for improving energy cost
CN105095601B (zh) 火力发电厂脱硫***液固两相流仿真建模方法
Yang et al. Application of RBF neural network PID in wet flue gas desulfurization of thermal power plant

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118